Eigen-Gradientes contra Histograma de Orientación de Gradientes para Reconocimiento de Señalamientos Viales de Límite de Velocidad

Sheila Esmeralda González Reyna, José de Jesús Guerrero Turrubiates

Resumen


El reconocimiento automático de señalamientos viales tiene como principales aplicaciones el inventariado de carreteras, los sistemas de asistencia al conductor y la implementación de automóviles autónomos. El reconocimiento de señalamientos viales de límite de velocidad presenta su mayor importancia debido a que, gran parte de los accidentes carreteros con consecuencias mortales ocurren mientras se maneja a gran velocidad. El presente artículo tiene por objetivo realizar la clasificación de señales de tránsito de límite de velocidad, utilizando para ello dos distintos atributos: los mapas de orientación de gradientes y los histogramas de orientación de gradientes. Los resultados experimentales muestran que ambos atributos presentan eficiencias similares, utilizando diferente número de características.

Texto completo:

1279-1289 PDF

Referencias


M.-Y. Fu y Y.-S. Huang. “A survey of traffic sign recognition”. In Wavelet Analysis and Pattern Recognition (ICWAPR), 2010 International Conference on. pp. 119-124, 2010.

S. Maldonado-Bascon, J. Acevedo-Rodriguez, S. Lafuente-Arroyo, A. Fernandez-Caballero, y F. Lopez-Ferreras. “An optimization on pictogram identification for the road-sign recognition task using SVMs”. Computer Vision and Image Understanding. Vol. 114, No. 3. pp. 373-383. 2010.

J. Stallkamp, M. Schlipsing, J. Salmen, y C. Igel. “Man vs. computer:

Benchmarking machine learning algorithms for traffic sign recognition”. Neural Networks. 2012.

F. Zaklouta y B. Stanciulescu. “Real-time traffic sign recognition in three stages”. Robotics and Autonomous Systems. Vol. 62, No. 1. pp. 16-24. 2014.

S.E. Gonzalez-Reyna, J.G. Avina-Cervantes, y S.E. Ledesma-Orozco. “Eigengradients for traffic sign recognition”. Mathematical Problems in Engineering. Vol. 2013. 2013.

N. Dalal y B. Triggs. “Histograms of oriented gradients for human detection”. In Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEEE Computer Society Conference on. Vol. 1, 2005, pp. 886-893.

H. Abdi y L. J. Williams. “Principal Component Analysis”. Wiley Interdisciplinary Reviews: Computational Statistics. Vol. 2, No. 4. pp. 433-459. 2010.

C. Croux, P. Filzmoser, y K. Joossens. “Robust linear discriminant analysis for multiple groups: influence and classification efficiencies”. Disponible en http://ssrn.com/abstract=876896 o http://dx.doi.org/10.2139/ssrn.876896. 2005.

M. Hall, E. Frank, G. Holmes, B. Pfahringer, P. Reutemann, y I.H. Witten. “The WEKA data mining software: An update”. SIGKDD Explor. Newsl. Vol. 11. pp. 10- 18. 2009.




Bookmark and Share


URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Barra de separación

Licencia Creative Commons    Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada.    

TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA

Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México

Tel. 461 61 17575 Ext 5450 y 5146

pistaseducativas@itcelaya.edu.mx

http://pistaseducativas.celaya.tecnm.mx/index.php/pistas